CN110751200A - 一种基于多元高斯的鞋印身高估计方法 - Google Patents
一种基于多元高斯的鞋印身高估计方法 Download PDFInfo
- Publication number
- CN110751200A CN110751200A CN201910980044.8A CN201910980044A CN110751200A CN 110751200 A CN110751200 A CN 110751200A CN 201910980044 A CN201910980044 A CN 201910980044A CN 110751200 A CN110751200 A CN 110751200A
- Authority
- CN
- China
- Prior art keywords
- shoe
- height
- shoe print
- image
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)
Abstract
一种基于多元高斯的鞋印身高估计方法,属于身高估计方法及***技术领域。技术方案:通过基于Radon变换的鞋印图像进行旋转矫正,进行鞋印提取;对足迹特征三元组中鞋长、鞋宽进行提取,对足迹特征三元组中前后足质心距离进行提取;建立数据集,处理异常数据,计算多元高斯模型参数;计算身高类别概率,估计基于身高所属类别融合的身高。有益效果是:本发明所述的基于多元高斯的鞋印身高估计方法无需人工进行测量,能有效减小测量误差,在刑侦领域,对于非赤足或穿袜足迹鞋印,也能有效提高测量的精确度。
Description
技术领域
本发明属于身高估计方法及***技术领域,尤其涉及一种基于多元高斯模型的通过鞋印估计身高的方法及***。
背景技术
现有技术中的的身高估计方法主要有以下三种:
(1)基于人工测量的身高估计方法:通过人工测量的方式,记录鞋长,建立简单的线性数学模型估计身高。
(2)基于穿鞋足迹图像的身高分析方法:使用图像滤波操作去除穿鞋足迹图像中鞋底花纹的影响,对穿鞋足迹进行多层压力面提取,获得足迹形态特征:足长,建立足长与身高之间的数学模型:身高=足长×7,计算该足迹所有人的身高。
(3)基于CNN的赤足或穿袜足迹的身高判定方法:应用PCA算法将赤足灰度图像进行旋转矫正,通过阈值的像素分割确定足迹边缘四个关键点:足趾內缘突点,足趾外缘突点,足跟后缘突点,最长趾前缘突点,来确定足迹位置并将边缘噪声裁剪补零,将处理后的图像按男女分别分成五组,构建Alexnet网络构架的卷积神经网络,输入处理过的赤足或穿袜图像,输出身高预测区间。
上述现有技术中身高估计方法存在的问题是:
(1)基于人工测量的身高估计方法:需要人工测量,耗费时间和人力,引起测量误差因素较多,测量误差较大,估计身高的数学模型过于简单,估计出的身高误差较大。
(2)基于穿鞋足迹图像的身高分析方法:只使用足长一个足迹形态特征,并且建立的足长与身高的数学模型过于简单,计算出的身高值误差较大。
(3)基于CNN的赤足或穿袜足迹的身高判定方法:在实际的应用中,在刑侦领域,正常情况下现场留下的是鞋印而非赤足或穿袜足迹。而且这种身高估计出的是身高区间,精确度不够高。
发明内容
为了解决上述现有技术中存在的问题,本发明提出一种基于多元高斯的鞋印身高估计方法,该方法无需人工进行测量,能有效减小测量误差,在刑侦领域,对于非赤足或穿袜足迹鞋印,也能有效提高测量的精确度。
技术方案如下:
一种基于多元高斯的鞋印身高估计方法,步骤如下:
S1、对倾斜的鞋印进行矫正与提取:
S1.1、通过基于Radon变换的鞋印图像进行旋转矫正;
S1.2、进行鞋印提取;
S2、对足迹特征三元组进行提取:
S2.1、对足迹特征三元组中鞋长、鞋宽进行提取;
S2.2、对足迹特征三元组中前后足质心距离进行提取;
S3、构建基于多元高斯模型的身高分类器:
S3.1、建立数据集;
S3.2、处理异常数据;
S3.3、计算多元高斯模型参数;
S4、估计基于多类融合的身高:
S4.1、计算身高类别概率;
S4.2、估计基于身高所属类别融合的身高。
进一步的,步骤S1.1详细步骤如下:
S1.1.1、将鞋印图像转化为灰度图像,使用最大类间方差法得到使类间方差最大的阈值,并将鞋印图像的灰度图像转化为二值图像;
S1.1.2、采用5×5的方形结构元
对二值化后的二值图像先进行闭运算,连接鞋印细小花纹去除鞋印花纹影响,再进行开运算滤除鞋印图像中的噪声点以及鞋印周围的噪声点;
S1.1.3、对去噪后的鞋印二值图像进行Radon变换,获取投影值最大的角度,将其与90度的差作为倾斜角度θ;
S1.1.4、根据计算的倾斜角度θ,将鞋印灰度图像进行倾斜校正,使鞋印脚掌区域在脚跟区域上方,且鞋印大脚趾区域最上边缘点与脚跟最外边缘点的连线和水平线垂直。
进一步的,步骤S1.2中通过行列扫描的方式,得到矫正后鞋印图像中鞋印的最小外接矩,其四个顶点分别记为(xleft,y top),(xright,ytop),(xright,ybottom),(xleft,ybottom)。
进一步的,步骤S2中足迹特征三元组中鞋长为|ybottom-ytop|,鞋宽为|xright-xleft|;
将鞋印图像以矫正后鞋印图像中鞋印的最小外接矩形的水平中位线为界分为上下两部分,上半部分区域为前足区,下半部分区域为后足区,分别计算出前足区质心和后足区的质心坐标:
前足区质心坐标(c1,c2):
后足区质心坐标(c3,c4):
x,y分别表示图像在水平和垂直方向上的坐标,f(x,y)为矫正后图像的灰度值,h表示矫正后鞋印图像中鞋印的最小外接矩形的长度;
计算前后足质心距离x(3):
进一步的,步骤S3.1详细步骤如下:用提取出的鞋印图像足迹特征三元组组建数据集X,
将数据集X按照身高以1cm为间隔分成M类:
XM为第M类的数据集,M为身高类别,t∈{1,2,3,...,TM},TM为XM中的样本数。
进一步的,步骤S3.2详细步骤如下:对每一类身高XM按照鞋长进行直方图统计,组数为K组,组距为等间距,统计出每一组包含样本数numk;
计算每一组包含样本个数占总样本数的百分比:
第k组包含的样本数为numk,k∈{1,2,3,...,K},直方图组数为K,第k组包含样本个数占总样本数的百分比为pctk;
如果pctk≤20%,则该组包含的样本为异常数据,将异常数据从数据集XM中移除,剔除异常数据后的数据集XM为:
身高类别为M,j∈{1,2,3,...,JM},JM表示XM剔除异常数据后的样本数。
进一步的,步骤S3.3详细步骤如下:对给定的分类后的数据集XM,计算XM中足迹特征三元组的均值和协方差:
第M类身高的足迹特征三元组的均值为μM,第M类身高的足迹特征三元组的协方差为ΣM,第j个样本的足迹特征三元组为XM(j)。
进一步的,步骤S4.1详细步骤如下:对于待估计样本,通过步骤S1和步骤S2,计算其足迹特征三元组S=(x(1),x(2),x(3));
x(1)为待估计样本的鞋长,x(2)为待估计样本的鞋宽,x(3)为待估计样本的前后足质心距离;
根据S与每一个身高类别XM所对应的均值μM以及协方差ΣM,计算出该样本属于身高类别XM的概率Pm;
进一步的,步骤S4.2详细步骤如下:计算出需要估计的样本属于每一类身高的概率Pm后,根据设定概率阈值θ,将低于概率阈值θ的该类身高概率设置为0,消除低于概率类别对身高估计准确度的影响,即:
本发明的有益效果是:
本发明所述的基于多元高斯的鞋印身高估计方法无需人工进行测量,能有效减小测量误差,在刑侦领域,对于非赤足或穿袜足迹鞋印,也能有效提高测量的精确度。
附图说明
图1是本发明鞋印身高估计流程图。
具体实施方式
下面结合附图1对基于多元高斯的鞋印身高估计方法做进一步说明。
1.一鞋印倾斜矫正与提取
(1)基于Radon变换的鞋印图像旋转矫正
将鞋印图像转化为灰度图像,使用最大类间方差法得到使类间方差最大的阈值,并将鞋印图像的灰度图像转化为二值图像。
采用5×5的方形结构元
对二值化后的二值图像先进行闭运算连接鞋印细小花纹去除鞋印花纹影响,再进行开运算滤除鞋印图像中的噪声点以及鞋印周围的噪声点。
对去噪后的鞋印二值图像进行Radon变换,获取投影值最大的角度,将其与90度的差作为倾斜角度θ。
根据计算的倾斜角度θ,将鞋印灰度图像进行倾斜校正,使鞋印脚掌区域在脚跟区域上方,且鞋印大脚趾区域最上边缘点与脚跟最外边缘点的连线和水平线垂直。
(2)鞋印提取
通过行列扫描的方式,得到矫正后鞋印图像中鞋印的最小外接矩,其四个顶点分别记为(xleft,ytop),(xright,ytop),(xright,ybottom),(xleft,ybottom)。
2.足迹特征三元组提取
(1)足迹特征三元组中鞋长,鞋宽的提取
足迹特征三元组中鞋长为|ybottom-ytop|,鞋宽为|xright-xleft|。
(2)足迹特征三元组中前后足质心距离的提取
将鞋印图像以矫正后鞋印图像中鞋印的最小外接矩形的水平中位线为界分为上下两部分,上半部分区域为前足区,下半部分区域为后足区,分别计算出前足区质心和后足区的质心坐标。
前足区质心坐标(c1,c2):
后足区质心坐标(c3,c4):
x,y分别表示图像在水平和垂直方向上的坐标,f(x,y)为矫正后图像的灰度值。h表示矫正后鞋印图像中鞋印的最小外接矩形的长度为。
3.基于多元高斯模型的身高分类器构建
(1)数据集的建立
用提取出的鞋印图像足迹特征三元组组建数据集X,
将数据集X按照身高以1cm为间隔分成M类:
XM为第M类的数据集,M为身高类别,t∈{1,2,3,...,TM},TM为XM中的样本数。
(2)异常数据的处理
对每一类身高XM按照鞋长进行直方图统计,组数为K组,组距为等间距,统计出每一组包含样本数numk。
计算每一组包含样本个数占总样本数的百分比:
第k组包含的样本数为numk,k∈{1,2,3,...,K},直方图组数为K,第k组包含样本个数占总样本数的百分比为pctk。
如果pctk≤20%,则该组包含的样本为异常数据,将异常数据从数据集XM中移除,剔除异常数据后的数据集XM为:
身高类别为M,j∈{1,2,3,...,JM},JM表示XM剔除异常数据后的样本数。
(3)多元高斯模型参数的计算
对给定的分类后的数据集XM,计算XM中足迹特征三元组的均值和协方差:
第M类身高的足迹特征三元组的均值为μM,第M类身高的足迹特征三元组的协方差为ΣM,第j个样本的足迹特征三元组为XM(j)。
4.基于多类融合的身高估计
(1)身高类别概率计算
对于待估计样本,通过步骤1和2,计算其足迹特征三元组S=(x(1),x(2),x(3))。
x(1)为待估计样本的鞋长,x(2)为待估计样本的鞋宽,x(3)为待估计样本的前后足质心距离。
根据S与每一个身高类别XM所对应的均值μM以及协方差ΣM,计算出该样本属于身高类别XM的概率Pm。
(2)基于身高所属类别融合的身高估计
计算出需要估计的样本属于每一类身高的概率Pm后,根据设定概率阈值θ,将低于概率阈值θ的该类身高概率设置为0,消除低于概率类别对身高估计准确度的影响,即:
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于多元高斯的鞋印身高估计方法,其特征在于,步骤如下:
S1、对倾斜的鞋印进行矫正与提取:
S1.1、通过基于Radon变换的鞋印图像进行旋转矫正;
S1.2、进行鞋印提取;
S2、对足迹特征三元组进行提取:
S2.1、对足迹特征三元组中鞋长、鞋宽进行提取;
S2.2、对足迹特征三元组中前后足质心距离进行提取;
S3、构建基于多元高斯模型的身高分类器:
S3.1、建立数据集;
S3.2、处理异常数据;
S3.3、计算多元高斯模型参数;
S4、估计基于多类融合的身高:
S4.1、计算身高类别概率;
S4.2、估计基于身高所属类别融合的身高。
2.如权利要求1所述的基于多元高斯的鞋印身高估计方法,其特征在于,步骤S1.1详细步骤如下:
S1.1.1、将鞋印图像转化为灰度图像,使用最大类间方差法得到使类间方差最大的阈值,并将鞋印图像的灰度图像转化为二值图像;
S1.1.2、采用5×5的方形结构元
对二值化后的二值图像先进行闭运算,连接鞋印细小花纹去除鞋印花纹影响,再进行开运算滤除鞋印图像中的噪声点以及鞋印周围的噪声点;
S1.1.3、对去噪后的鞋印二值图像进行Radon变换,获取投影值最大的角度,将其与90度的差作为倾斜角度θ;
S1.1.4、根据计算的倾斜角度θ,将鞋印灰度图像进行倾斜校正,使鞋印脚掌区域在脚跟区域上方,且鞋印大脚趾区域最上边缘点与脚跟最外边缘点的连线和水平线垂直。
3.如权利要求1所述的基于多元高斯的鞋印身高估计方法,其特征在于,步骤S1.2中通过行列扫描的方式,得到矫正后鞋印图像中鞋印的最小外接矩,其四个顶点分别记为(xleft,ytop),(xright,ytop),(xright,ybottom),(xleft,ybottom)。
8.如权利要求1所述的基于多元高斯的鞋印身高估计方法,其特征在于,步骤S4.1详细步骤如下:对于待估计样本,通过步骤S1和步骤S2,计算其足迹特征三元组S=(x(1),x(2),x(3));
x(1)为待估计样本的鞋长,x(2)为待估计样本的鞋宽,x(3)为待估计样本的前后足质心距离;
根据S与每一个身高类别XM所对应的均值μM以及协方差ΣM,计算出该样本属于身高类别XM的概率Pm;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980044.8A CN110751200B (zh) | 2019-10-15 | 2019-10-15 | 一种基于多元高斯的鞋印身高估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980044.8A CN110751200B (zh) | 2019-10-15 | 2019-10-15 | 一种基于多元高斯的鞋印身高估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751200A true CN110751200A (zh) | 2020-02-04 |
CN110751200B CN110751200B (zh) | 2023-09-29 |
Family
ID=69278419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910980044.8A Active CN110751200B (zh) | 2019-10-15 | 2019-10-15 | 一种基于多元高斯的鞋印身高估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751200B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633338A (zh) * | 2020-12-14 | 2021-04-09 | 辽宁师范大学 | 基于鞋印的嫌疑人性别预测方法 |
CN112884824A (zh) * | 2021-03-12 | 2021-06-01 | 辽宁师范大学 | 一种基于卷积网络多尺度特征融合的鞋印身高估计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522951A1 (fr) * | 2003-10-10 | 2005-04-13 | France Telecom | Détérmination de caractéristiques textuelles de pixels |
CN1987879A (zh) * | 2005-12-21 | 2007-06-27 | 香港理工大学 | 女性形体美的自动评估***及方法 |
CN101327126A (zh) * | 2008-07-23 | 2008-12-24 | 天津大学 | 人体赤足迹形态学特征提取方法 |
CN102184539A (zh) * | 2011-04-29 | 2011-09-14 | 王靖中 | 基于图像处理技术的平面足迹检测分析***及其方法 |
CN104574426A (zh) * | 2015-02-03 | 2015-04-29 | 大连恒锐科技股份有限公司 | 基于赤足或穿袜足迹图像的人身特征分析的方法及装置 |
CN104598891A (zh) * | 2015-02-03 | 2015-05-06 | 大连恒锐科技股份有限公司 | 基于穿鞋足迹图像的人身特征分析的方法及装置 |
CN109567313A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种具有生物特征识别功能的智能鞋垫 |
CN109583276A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足或穿袜足迹的身高判定方法及*** |
CN109583273A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种海量足底压力数据的分析处理*** |
CN109583272A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种能够获取人体生活状态的足迹*** |
-
2019
- 2019-10-15 CN CN201910980044.8A patent/CN110751200B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522951A1 (fr) * | 2003-10-10 | 2005-04-13 | France Telecom | Détérmination de caractéristiques textuelles de pixels |
CN1987879A (zh) * | 2005-12-21 | 2007-06-27 | 香港理工大学 | 女性形体美的自动评估***及方法 |
CN101327126A (zh) * | 2008-07-23 | 2008-12-24 | 天津大学 | 人体赤足迹形态学特征提取方法 |
CN102184539A (zh) * | 2011-04-29 | 2011-09-14 | 王靖中 | 基于图像处理技术的平面足迹检测分析***及其方法 |
CN104574426A (zh) * | 2015-02-03 | 2015-04-29 | 大连恒锐科技股份有限公司 | 基于赤足或穿袜足迹图像的人身特征分析的方法及装置 |
CN104598891A (zh) * | 2015-02-03 | 2015-05-06 | 大连恒锐科技股份有限公司 | 基于穿鞋足迹图像的人身特征分析的方法及装置 |
CN109567313A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种具有生物特征识别功能的智能鞋垫 |
CN109583276A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足或穿袜足迹的身高判定方法及*** |
CN109583273A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种海量足底压力数据的分析处理*** |
CN109583272A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种能够获取人体生活状态的足迹*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633338A (zh) * | 2020-12-14 | 2021-04-09 | 辽宁师范大学 | 基于鞋印的嫌疑人性别预测方法 |
CN112884824A (zh) * | 2021-03-12 | 2021-06-01 | 辽宁师范大学 | 一种基于卷积网络多尺度特征融合的鞋印身高估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110751200B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067402B (zh) | 医疗图像处理装置及其***图像处理方法 | |
CN108830155B (zh) | 一种基于深度学习的心脏冠状动脉分割及识别的方法 | |
CN108830326B (zh) | 一种mri图像的自动分割方法及装置 | |
CN109389592B (zh) | 计算冠脉钙化积分的方法、装置及*** | |
CN109154978A (zh) | 用于检测植物疾病的***和方法 | |
Xu et al. | Computerized classification of prostate cancer gleason scores from whole slide images | |
CN110866905B (zh) | 一种肋骨识别与标注方法 | |
WO2007148284A2 (en) | A method, a system and a computer program for determining a threshold in an image comprising image values | |
CN101527838B (zh) | 对视频对象的反馈式对象检测与跟踪的方法和*** | |
CN111222508B (zh) | 基于roi的户型图比例尺识别方法、装置、计算机设备 | |
CN110751200A (zh) | 一种基于多元高斯的鞋印身高估计方法 | |
Khordehchi et al. | Automatic lung nodule detection based on statistical region merging and support vector machines | |
CN111275040A (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN117853722A (zh) | 一种融合超像素信息的钢材金相组织分割方法 | |
CN114494318A (zh) | 基于大津算法的角膜动态形变视频提取角膜轮廓的方法 | |
CN113077452B (zh) | 基于dnn网络和斑点检测算法的苹果树病虫害检测方法 | |
CN104835155A (zh) | 基于分形的早期乳腺癌钙化点计算机辅助检测方法 | |
CN106600615A (zh) | 一种图像边缘检测算法评价***及方法 | |
CN112258536B (zh) | 一种胼胝体及小脑蚓部的一体化定位及分割方法 | |
CN111402202B (zh) | 足底压力图像相似度评价方法 | |
CN111612749B (zh) | 基于肺部影像的病灶检测方法和装置 | |
CN110837844A (zh) | 基于ct图像不相似性特征的胰腺囊性肿瘤良恶性分类方法 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN112633338A (zh) | 基于鞋印的嫌疑人性别预测方法 | |
CN113780421B (zh) | 基于人工智能的脑部pet影像识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |